發(fā)布時間：2025-05-04 22:04

　　心腦血管疾病是困擾著許多人的疾病,每年有大量的人因為心肌梗塞導致死亡,醫(yī)學界對心臟疾病的治療還需要更多的研究與實踐,醫(yī)學與其他學科的交叉應用在這方面發(fā)揮一定的作用,將計算機科學與醫(yī)學相結合的研究是現(xiàn)在比較前沿的研究,尤其是計算機科學中的模式識別與醫(yī)療診斷相結合的研究已經(jīng)是碩果累累,這些研究常應用于實時監(jiān)測心臟狀況,這對心臟保健是非常有效的。 心房肥大是各種心臟疾病中重要的一種,在模式識別領域,未找到相關研究成果,由于心房肥大樣本數(shù)據(jù)很少,這給模式識別的研究造成了巨大的障礙,本文針對心房肥大進行專門研究,研究了在心房肥大數(shù)據(jù)樣本較少情況下的訓練與識別算法。對比了樣本較少情況下,不同模式分類方法的分類正確率,其中主要研究了人工神經(jīng)網(wǎng)絡和支持向量機(Support vector machine, SVM)在心房肥大識別上的應用,顯示了基于統(tǒng)計學習模型的支持向量機在樣本較少情況下的優(yōu)勢。另外還對支持向量機進行改進,研究了支持向量機與其他分類器融合情況下在心房肥大識別上的正確率與可信度,將支持向量機與拒絕域分類器(Rejection, R)融合的分類器SVM-R對心房肥大模式上具有較高的識別準...

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
目錄
圖目錄
第1章 緒論
    1.1 課題背景
    1.2 研究目標
    1.3 本文創(chuàng)新點
    1.4 通過心電來診斷心臟疾病的背景
        1.4.1 什么是心電圖
        1.4.2 心電圖測量
        1.4.3 可以從心電圖上診斷的疾病
    1.5 模式識別相關背景
        1.5.1 人工智能輔助診斷
        1.5.2 語音識別
    1.6 MGH/MF數(shù)據(jù)庫
    1.7 Fantasia數(shù)據(jù)庫
    1.8 論文主要工作和章節(jié)安排
第2章 心電傳感器及心電圖處理
    2.1 標準12導聯(lián)心電傳感器
        2.1.1 心電圖儀器
        2.1.2 標準12導聯(lián)電位
        2.1.3 心電圖臨床診斷
    2.2 便攜式心電傳感器
        2.2.1 電極與人體之間接口建模
        2.2.2 移動摩擦噪聲
        2.2.3 環(huán)境噪聲
    2.3 心電圖像處理及心電特征提取
第3章 基于C++程序的心電特征向量提取
    3.1 原始心電數(shù)據(jù)
    3.2 心電數(shù)據(jù)處理的環(huán)境搭建
    3.3 心電信號數(shù)據(jù)采樣與壓縮
        3.3.1 調(diào)整電壓偏移
        3.3.2 提取一次心跳的采樣點
        3.3.3 形成特征向量
第4章 基于ANN和基于SVM的心房肥大分類
    4.1 邏輯分枝判斷
    4.2 模糊推理算法
    4.3 神經(jīng)網(wǎng)絡算法
        4.3.1 神經(jīng)網(wǎng)絡理論
        4.3.2 神經(jīng)網(wǎng)絡識別過程
    4.4 支持向量機算法
        4.4.1 支持向量機的思想
        4.4.2 核函數(shù)的選擇
    4.5 支持向量機和神經(jīng)網(wǎng)絡比較
第5章 支持向量機優(yōu)化
    5.1 對稱拒絕域
    5.2 非對稱拒絕域
    5.3 對稱與非對稱拒絕域比較
    5.4 對SVM-R分類器的分析結論
第6章 總結和展望
參考文獻
作者簡介
作者在浙江大學攻讀碩士研究生學位時發(fā)表的論文



本文編號：4042875